個人化與 ML · ML

提前十四日鎖定流失會員

14d

流失並非會員離開當日才發生的事件，而是一條數星期前已經開始的衰減曲線。本項目建立衰減特徵，把警示定在十四日視野，交給挽留團隊一張短得可以落手的名單。

流程

整合行為歷史
訂單、session 與互動紀錄匯入 warehouse，每位會員每週一行，令 recency 與 frequency 成為可量度的序列，而非印象。
誠實定義流失
流失標籤對準你真實的複購週期，而非照搬九十日的預設；定義在訓練任何模型之前先行議定。
為衰減建模
以衰減 recency、購物籃漂移與客服接觸作特徵訓練 gradient boosting，輸出附帶原因的風險分數排序。
把警示接入挽留系統
分數每日回寫至你的 CRM 或 PostHog cohort，被標記的會員直接進入旅程，而不是停留在儀表板。
設對照組再量度
保留一組不作任何接觸；挽回率以有接觸與無接觸之間的差距讀取，而非活動的原始回應率。

四至六星期得出第一張評分名單。